ΑΑΔΕ: Ψηφιακός κλοιός σε POS, καταθέσεις και αδήλωτα εισοδήματα

POS, ταμειακές μηχανές, ηλεκτρονικά βιβλία και τραπεζικά δεδομένα συνθέτουν το ψηφιακό πεδίο των φορολογικών ελέγχων της ΑΑΔΕ. Η διασταύρωση πληροφοριών από διαφορετικές πηγές επιτρέπει στις υπηρεσίες να αναζητούν αποκλίσεις ανάμεσα στη δηλωμένη οικονομική εικόνα και στις συναλλαγές επιχειρήσεων και επαγγελματιών.

Μηδενικές δηλώσεις ΦΠΑ που συνυπάρχουν με καταγεγραμμένη δραστηριότητα, εισπράξεις μέσω καρτών που υπερβαίνουν τις δηλωμένες πωλήσεις ή έσοδα από βραχυχρόνιες μισθώσεις που απουσιάζουν από τις δηλώσεις αποτελούν περιπτώσεις προς διερεύνηση.

Στοιχεία από μεταβιβάσεις ακινήτων, ηλεκτρονικά παραστατικά και τραπεζικές κινήσεις προσθέτουν πληροφορίες για τον εντοπισμό ενδεχόμενων αδήλωτων εισοδημάτων. Στο ίδιο σύστημα αξιολόγησης εντάσσονται δεδομένα που διαβιβάζουν φορολογικές αρχές άλλων χωρών.

Η τεχνητή νοημοσύνη και η ανάλυση μεγάλου όγκου δεδομένων αξιοποιούνται για την αναγνώριση ασυνήθιστων συναλλαγών και επαναλαμβανόμενων ασυμφωνιών. Η στόχευση αφορά την επιλογή υποθέσεων με αυξημένες ενδείξεις φορολογικού κινδύνου, ώστε οι ελεγκτές να κατευθύνουν αποτελεσματικότερα την έρευνά τους.

Έξι πεδία διασταυρώσεων για συναλλαγές και εισοδήματα

Η σύγκριση των φορολογικών δηλώσεων με πληροφορίες τρίτων πηγών διευρύνει τη δυνατότητα ελέγχου. Βασικές κατηγορίες οικονομικής δραστηριότητας βρίσκονται στο επίκεντρο:

1. Ηλεκτρονικές πληρωμές και αποδείξεις. Η σύνδεση POS και ταμειακών μηχανών επιτρέπει την παρακολούθηση της διαδρομής από την πληρωμή με κάρτα μέχρι την έκδοση του αντίστοιχου παραστατικού. Οι υπηρεσίες μπορούν να συγκρίνουν εισπράξεις και καταγεγραμμένες πωλήσεις, αναζητώντας διαφορές που χρειάζονται εξήγηση. Η ύπαρξη απόκλισης αποτελεί ελεγκτική ένδειξη και δεν συνιστά από μόνη της απόδειξη φοροδιαφυγής.

2. myDATA και δηλώσεις ΦΠΑ. Τα ηλεκτρονικά βιβλία παρέχουν δεδομένα εσόδων και εξόδων, τα οποία αντιπαραβάλλονται με τις φορολογικές δηλώσεις. Μέσα από αυτή τη διαδικασία μπορούν να αναδειχθούν παραλείψεις, ασυμφωνίες ή λανθασμένη αποτύπωση συναλλαγών. Στον σχεδιασμό περιλαμβάνεται ειδική διερεύνηση επιχειρήσεων που δηλώνουν μηδενικό ΦΠΑ, ενώ υπάρχουν καταχωρίσεις οικονομικής δραστηριότητας.

3. Τραπεζικές πιστώσεις και περιουσία. Όπου προβλέπεται νόμιμη πρόσβαση, η φορολογική διοίκηση εξετάζει τραπεζικά στοιχεία σε συνδυασμό με εισοδήματα και περιουσιακά δεδομένα. Μεγάλες ή συχνές εισροές χωρίς εμφανή αντιστοίχιση μπορεί να οδηγήσουν σε πρόσθετο έλεγχο. Η διερεύνηση πρέπει να αποσαφηνίζει την προέλευση των ποσών και το εάν έχουν ήδη φορολογηθεί ή δεν αποτελούν φορολογητέο εισόδημα.

4. Βραχυχρόνιες μισθώσεις. Η εκμετάλλευση ακινήτων μέσω ψηφιακών πλατφορμών αποτελεί αυτοτελές αντικείμενο διασταυρώσεων. Στο επιχειρησιακό σχέδιο της ΑΑΔΕ περιλαμβάνεται ο εντοπισμός εισοδημάτων φυσικών προσώπων που δεν έχουν δηλωθεί. Η σύγκριση των διαθέσιμων στοιχείων μίσθωσης με τις δηλώσεις μπορεί να αναδείξει διαφορές στα εμφανιζόμενα έσοδα.

5. Συναλλαγές ακινήτων. Οι ελεγκτικές προτεραιότητες περιλαμβάνουν τον εντοπισμό αδήλωτων αγοραπωλησιών. Η συγκέντρωση πληροφοριών ακίνητης περιουσίας σε ενιαίο ψηφιακό περιβάλλον αναμένεται να διευκολύνει την αντιπαραβολή ιδιοκτησιακών στοιχείων, μεταβιβάσεων και φορολογικών καταχωρίσεων.

6. Διασυνοριακή δραστηριότητα. Στοιχεία ενδοκοινοτικών συναλλαγών και πληροφορίες από αλλοδαπές φορολογικές υπηρεσίες προστίθενται στο διαθέσιμο υλικό. Η αξιοποίησή τους επιτρέπει τη διερεύνηση πιθανών παραβάσεων σε δραστηριότητες που εκτείνονται πέρα από την ελληνική αγορά.

Μοντέλα τεχνητής νοημοσύνης για την επιλογή υποθέσεων

Ο όγκος των πληροφοριών που παράγουν οι καθημερινές ηλεκτρονικές συναλλαγές δημιουργεί ανάγκη συστηματικής ταξινόμησης και αξιολόγησης. Τα ψηφιακά εργαλεία υποστηρίζουν τη μετατροπή αυτών των δεδομένων σε ενδείξεις που μπορούν να αξιοποιηθούν από τις ελεγκτικές υπηρεσίες.

Τα συστήματα αναζητούν ασυνήθιστες σχέσεις μεταξύ οικονομικής δραστηριότητας και δηλωμένων πωλήσεων, επίμονες αποκλίσεις στις καταχωρίσεις και συναλλαγές που εμφανίζουν χαρακτηριστικά αυξημένου κινδύνου.

Μια επιχείρηση με εισπράξεις ή συναλλακτική δραστηριότητα που δεν συμβαδίζουν με τη φορολογική της εικόνα μπορεί έτσι να επιλεγεί για περαιτέρω εξέταση. Το ίδιο ισχύει για επαναλαμβανόμενες διαφορές μεταξύ διαφορετικών πηγών δεδομένων.

Σύμφωνα με το επιχειρησιακό σχέδιο της ΑΑΔΕ, αναπτύσσονται σενάρια ανίχνευσης δραστηριοτήτων υψηλού κινδύνου και μοντέλα μηχανικής μάθησης για την εκτίμηση πιθανής παραβατικότητας και την αναγνώριση ενδείξεων φορολογικής απάτης.

Η χρησιμότητά τους βρίσκεται στην υποστήριξη της ελεγκτικής στόχευσης. Η τεκμηρίωση οποιασδήποτε παράβασης απαιτεί εξέταση των πραγματικών συναλλαγών και των εξηγήσεων που προκύπτουν από τον έλεγχο κάθε υπόθεσης.